基于大数据挖掘的高炉参数优化调控模型研究

作者：田毅; 王刚; 苏家庆; 白皓^*

来源：冶金自动化, 2022, 46(05): 65-75.

• 大数据挖掘
• 神经网络
• 高炉参数寻优
• 误差追溯
• 动态调控

我国高炉炼铁工序能耗占钢铁联合企业能源消耗的47%左右，如何实现高炉的节能降耗是钢铁行业重要的课题。因此，在传统节能手段的基础上，钢铁行业探索新型节能技术实现高炉深度节能的目标具有重要意义。为实现此目标，本文提出了基于大数据挖掘的高炉参数优化调控模型，该模型包括3个子模型，即参数寻优模型、操作参数误差追溯模型和操作参数预测模型。首先，对高炉进行参数寻优，以找到在最优核心经济指标下的最优参数集；然后，以高炉最优参数集为标准，寻找引起操作及经济指标波动的关键参数，并形成关键影响参数动态调控的优化策略；最后，根据优化策略，利用神经网络模型，对优化调控结果进行预测，为高炉参数优化调控实际操作提供参考。通过使用某钢铁企业历史生产数据对高炉参数优化调控模型进行实例论证。结果表明，在研究时间范围内，经过模型优化调控后的燃料比可稳定在518 kg/t,并为企业降低169万元的焦炭成本。高炉参数优化调控模型可帮助钢铁行业实现节约能源、降低能耗的低碳生产目标。

• 单位
  北京科技大学